A finales del año pasado algo cambió mucho. Tres lanzamientos de modelos de IA han superado un umbral de capacidad, lo que ha llevado a los líderes de la industria a repensar el papel de la IA en la codificación. El efecto fue inmediato.
A medida que esa fase se acelera, aumentan las presiones en la revisión, las pruebas, la seguridad y la implementación.
Ésta es la “paradoja de la IA”. Las empresas están descubriendo que resolver la paradoja de la IA no se trata de agregar más herramientas de IA, porque el verdadero obstáculo es la fragmentación. La verdadera oportunidad es repensar cómo funcionan la calidad y la seguridad a lo largo de todo el ciclo de vida del desarrollo de software.
Por qué la fragmentación es un desafío
Varias barreras de fragmentación impiden que los equipos de ingeniería aprovechen todo el potencial de las herramientas de inteligencia artificial.
Herramientas de IA fragmentadas. La mayoría de las empresas han desarrollado sus herramientas de sistemas de entrega de software durante la última década. Ahora, cada herramienta viene con su propio agente de IA. Los desarrolladores utilizan una IA para codificar, otra para análisis de seguridad y otra para resolución de problemas de CI/CD. El problema es que no combinan.
Contexto de IA fragmentado. Sin un modelo de datos unificado, cada agente opera en su propio silo, perdiendo el contexto sobre el proyecto más amplio. Los requisitos, el historial del código, las implicaciones de seguridad, las limitaciones de implementación y la retroalimentación operativa permanecen desconectados en todos los sistemas, lo que obliga a los equipos a llenar estos vacíos manualmente.
Confianza frágil en la IA. Incluso con excelentes herramientas de inteligencia artificial, la confianza no es cuestión de presionar un interruptor. Algunos desarrolladores permiten que la IA construya módulos completos; Otros no aceptarán una sola sugerencia sin repetirla. Ninguno de los dos está muy mal.
Sin procesos consistentes de verificación y validación, no está claro qué tareas son apropiadas para la IA y qué nivel de aprobación humana se requiere dada la calidad y el riesgo.
Fragmentación regulatoria en torno a la IA. Existe una necesidad creciente de residencia de datos y ningún modelo de implementación por sí solo será suficiente. Además, las nuevas leyes sobre IA están generando requisitos administrativos urgentes para identificar y registrar el uso de la IA en herramientas autorizadas y en la sombra.
Los reguladores y los organismos industriales están pidiendo más regulaciones “probables”. Todo lo cual requiere una nueva mirada a la seguridad y la gobernanza de la IA.
Fragmentación presupuestaria para la IA. Los equipos de finanzas ven un aumento de las “partidas” de IA en las inversiones en infraestructura y diversas herramientas de software que cada equipo está comprando. Quieren, con razón, que todos sean realistas y soliciten una telemetría de uso clara, control de costos y retorno de la inversión antes de seguir adelante.
Del volumen al flujo
La solución no es una buena integración entre las herramientas actuales. Es una arquitectura unificada diseñada para la entrega de software. Reemplaza etapas secuenciales con ejecución continua, donde los agentes de IA trabajan en bucles mientras los humanos dan instrucciones.
Las organizaciones necesitan plataformas que abarquen todo el ciclo de vida, desde la planificación hasta las operaciones. Cuando los agentes comparten un entorno de ejecución común, el agente de implementación accede instantáneamente a los cambios de código, el agente de seguridad activa automáticamente la corrección y el agente de rendimiento informa directamente a la arquitectura.
El contexto se incluye en lugar de perderse en la mezcla.
Además, la orquestación inteligente requiere conexiones entre el código, los requisitos, las pruebas, la detección de seguridad, la implementación y las métricas en toda la organización.
Esta memoria organizacional permite a los agentes ver el panorama completo de quién solicitó una función y por qué, qué restricciones se aplican, qué implementaciones similares existen y cómo los cambios afectan los sistemas posteriores. Los catálogos de servicios con seguimiento de propiedad sintetizan la experiencia del desarrollador y las métricas de seguridad para detectar desviaciones.
Cuando el tiempo del ciclo de solicitud de fusión aumenta o aumentan las tasas de fracaso de cambios, el sistema genera respuestas automáticamente. Los modelos de datos están en constante evolución y aprenden patrones que hacen que cada agente sea más inteligente.
Además, los equipos necesitan autonomía personalizable para decidir en qué agentes contextuales confiar, qué flujos de trabajo simplificar y qué reglas de cumplimiento aplicar. Los cambios de bajo riesgo se desarrollan de forma autónoma.
Los cambios de riesgo medio desencadenan el flujo de trabajo de revisión. Los cambios de alto riesgo requieren una aprobación humana clara. Los agentes pueden integrarse en toda la cadena de herramientas empresariales, extrayendo contexto de Jira, PagerDuty, Confluence y Snowflake, al tiempo que brindan una orquestación de plataforma unificada.
El cumplimiento debe construirse con modelos de amenazas de IA, seguridad automatizada de la cadena de suministro, detección de secretos y gobernanza integral de la IA. Policy Gate aplica automáticamente las reglas.
Los seguimientos de auditoría capturan las preferencias de cada agente. La detección de agentes ocultos detecta equipos no autorizados. El monitoreo continuo del cumplimiento con paquetes de evidencia exportables demuestra la gobernanza de los reguladores. Los partidos establecen políticas una vez. La plataforma los aplica de forma consistente.
Por último, las organizaciones necesitan opciones de implementación (SaaS, instancia dedicada, autoadministrada) tanto para los modelos locales como para los alojados en la nube. Los costos deben estar vinculados al valor con visibilidad del uso transparente de tokens de fijación de precios basado en el uso y el control del presupuesto a nivel de equipo.
Un enfoque de mercado permite a los equipos elegir los mejores modelos para cada trabajo, en lugar de pagar por capacidades agrupadas que no necesitan.
La forma en que se construye el software tiene que cambiar
Las empresas que combinan la integración de plataformas con la orquestación no sólo se mueven más rápido, sino que cambian fundamentalmente la forma en que se construye el software.
Sus inversiones en IA son compuestas y no fragmentadas. Su entrega pasa de fases desconectadas a una ejecución continua donde el valor fluye sin problemas desde el concepto hasta la producción.
La paradoja de la IA no son dolores de crecimiento temporales. Este es un desafío fundamental que afectará a todas las organizaciones que traten la IA como un acelerador de codificación en lugar de una palanca para la transformación de la entrega.
La ventana para esta elección arquitectónica es delgada. Cada mes de adopción fragmentada de la IA puede superar una mayor deuda técnica, una mayor complejidad de integración y una mayor inercia organizacional.
La economía del Reino Unido crecerá hasta £400 mil millones para 2023, gracias a la IA, por lo que la pregunta no es si convergerá. No es algo que hagas intencionalmente y te arrepientas ahora o más tarde.
Hemos presentado las mejores computadoras portátiles para programación.
Este artículo fue producido en parte Perspectiva profesional de TechRadarNuestro canal para mostrar las mejores y más brillantes mentes de la industria tecnológica actual.
Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí:
